Feb, 2023

从生物医学文献中进行大规模知识综合和复杂信息检索

PDF
TL;DR本研究采用知识综合、段落检索、三元组检索和复杂问答等方法，构建一个可扩展的解决方案，以有效地从大规模研究文档中提取和探索复杂信息，以解决医疗保健行业面临的大量非结构化数据的问题，并在 COVID-19 数据集上进行了定性评估以证明其有效性。
healthcare industryinformation retrievallarge-scale research documentsknowledge synthesiscomplex question answering
发现论文，激发创造
  • 通过可靠和时间感知的证据检索改善健康问题回答

    利用 PubMed 作为可靠的医学研究文档集合，针对开放领域的问答设置，研究通过修改检索设置来提高问答系统性能的方法。结果显示，减少检索到的文档数量，偏爱近期和被引用次数较多的文献可以提高最终的宏观 F1 得分达到 10%。

    Apr, 2024

  • 基于医疗知识图谱的临床问题理解与医疗片段检索

    介绍了研发中的基于医疗知识图谱的 Focused Clinical Search Service，以检索相关的医疗短语以应对医护工作者在实践医学和患者护理中从多个文献来源搜索并综合准确，简洁，更新和可信的医学信息所面临的障碍。

    Sep, 2020

  • 复杂医疗问答中可解释的多步推理与知识提取

    本文提出了一种名为 MurKe 的基于多步推理和知识提取的健康问答辅助系统，以应对复杂的健康医学问题。实验结果表明，该系统在 HeadQA 数据集上能够优于几个强基线。

    Aug, 2020

  • 生物医学问答中的前 K 个相关片段检索

    我们在临床领域中通过对现有 DPR 框架的改进，从可靠的 Pubmed 文章中检索答案，使其在 BioASQ QA 数据集上的评估结果为 0.81 的 F1 得分。

    Aug, 2023

  • 面向生物医学和 COVID-19 复杂问答的查询焦点抽取式摘要

    本文介绍了麦考瑞大学参加 BioASQ Synergy Tasks 和 BioASQ10b Task B 的情况，其中采用了查询导向的摘要技术，并使用了 DistilBERT/ALBERT 分类器、文档检索和片段检索的方式，sBERT 向量表示优于 tf.idf，并进行了数据中心的方法实验。

    Sep, 2022

  • 一种灵活框架的零样本文档级问答检测、检索和理解

    本文提出了一种三阶段文件 QA 方法，包括从 PDF 中提取文本，从提取的文本中检索证据以形成良好的上下文，以及从上下文中提取 3 种类型的知识（抽取式、生成式或布尔式）。通过对 QASPER 的评估，DRC 系统在交付更优的上下文选择的同时，Answer-F1 达到了 +7.19 的提高。结果表明，DRC 在科学文献 QA 中有很大的亮点。

    Oct, 2022

  • 大规模阅读理解下的医学体检问题解答

    该研究提出了一个名为 MedQA 的问答任务，使用大规模文档集中的知识研究临床医学中的问题解答。提出了一种基于 LSTM 网络和双路径注意力架构的模块化端到端阅读理解模型 SeaReader，其具有从两个角度建模信息流和同时读取和整合多篇文档的能力。实验证明，SeaReader 在 MedQA 上比竞争模型实现了大幅提高，同时开发了一系列新技术以展示 SeaReader 问题解答过程的解释。

    Feb, 2018

  • 生物医学领域的描述性知识图谱

    我们提出了一个新颖的系统，从生物医学语料库中自动提取和生成信息丰富、描述性的句子，促进相关知识的高效检索。与以往的搜索引擎或探索系统不同，我们的系统将描述性句子组织为关系图，使研究人员能够探索密切相关的生物医学实体（例如，化学品治疗的疾病）或间接相连的实体（例如，治疗疾病的潜在药物）。我们的系统还使用 ChatGPT 和经过微调的关系综合模型从检索到的信息中生成简明可靠的描述性句子，减少了对大量人工阅读的需求。通过我们的系统，研究人员可以轻松获得高层次知识和详细参考资料，并交互式地定位所需的信息。我们重点介绍了我们的系统在 COVID-19 研究中的应用，说明了它在药物再利用和文献整理等领域的实用性。

    Oct, 2023

  • 开放领域科学主张验证的知识源对比

    本研究通过一系列实验测试了开放领域的声明验证系统的性能，在不同设置下使用三个常见知识来源（PubMed、Wikipedia、Google）和两种不同的信息检索技术，对四个生物医学和健康声明的最终预测进行了测试。结果显示，对于专门的生物医学声明，PubMed 表现更好，而对于日常健康问题，Wikipedia 更适合；而在检索精度方面，BM25 表现出色，而在相关证据的回收方面，语义搜索更具优势。在讨论结果、概述频繁的检索模式和挑战，并提供有前途的未来方向。

    Feb, 2024

  • 从关键词到结构化摘要：简化学术知识访问流程

    这篇论文强调信息检索引擎在科学界日益重要，针对传统基于关键词的搜索引擎由于文章数量不断增多而效率低下的问题提出了解决方案，通过构建结构化记录和使用先进信息技术工具（包括可视化仪表盘），彻底改变研究人员访问和筛选文章的传统文本密集型方法。通过以 “传染病的再生数估计” 研究主题为核心的概念验证，使用调试过的大型语言模型自动创建结构化记录并填充后端数据库，以取代关键词。结果是一种新一代的信息检索方法，可通过此 https 网址访问。

    Feb, 2024